للحصول على تدريب وتعليم عالي الجودة لابد أن يكون سجل التحصيل الأكاديمي للمتدرب ممتاز في جميع المقررات التدريبية. لاحظنا في الآونة الأخيرة تزايد الاهتمام بالبحوث التي تستخدم التنقيب عن البيانات في التعليم، وهو ما يسمى التنقيب عن البيانات التعليمية (EDM). _x000D_
تُعرِّف الجمعية الدولية لتنقيب البيانات التعليمية EDM على أنها "تخصص ناشئ، يهتم بتطوير طرق لاستكشاف الأنواع الفريدة من البيانات التي تأتي من الأطر التعليمية واستخدام هذه الأساليب لفهم الطلاب والأطر التي يتعلمون فيها بشكل أفضل". _x000D_
الهدف من EDM هو تطوير طرق جديدة لاستكشاف البيانات التعليمية لتحديد فائدة أنظمة التعلم، وتحليل الأداء الأكاديمي للمتعلم، وتطوير نظام الإنذار المبكر. كما يعد التنبؤ بالأداء الأكاديمي للطلاب وتحليله أمرًا حيويًا للتقدم الأكاديمي للطالب. وله تحديات كثيرة بسبب تأثير العوامل التي تؤثر على أداء الطلاب، مثل العوامل الأسرية، والسجل النفسي، والأداء الأكاديمي السابق، وتفاعل الطلاب مع زملائهم في الفصل والمعلمين. _x000D_
يهدف هذا البحث إلى تقديم نموذج تنبؤي باستخدام خوارزميات التصنيف للتنبؤ بأداء المتدربة وتحديد السمات الحرجة التي تؤثر على أداء المتدربة. ولقد تم تطبيق مجموعة بيانات نظام إدارة التعلم في الكليات لتحليل تقنيات استخراج بيانات المتدربة. وتم استخدام العديد من تقنيات النمذجة التنبؤية، مثل_x000D_
(na?ve Bayes, decision tree and random forest models)_x000D_
، وذلك للتنبؤ بأداء المتدربة بناءً على _x000D_
(Accuracy, precision, recall, and F1 measure)_x000D_
أخيراً أظهرت النتائج لدينا أن RF model لديه دقة أعلى من خوارزميات التصنيف الأخرى وأن علامة الامتحان النهائي (FG) هي العامل الأكثر تأثيراً على التنبؤ بأداء المتدربة._x000D_